論文の概要: The dynamics of online polarization

• arxiv url: http://arxiv.org/abs/2205.15958v2
• Date: Wed, 1 Jun 2022 07:25:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 17:22:38.410055
• Title: The dynamics of online polarization
• Title（参考訳）: オンライン分極のダイナミクス
• Authors: Carlo Michele Valensise, Matteo Cinelli, Walter Quattrociocchi
• Abstract要約: 人間の態度やアルゴリズム的特徴を模倣する意見力学モデルを提案する。 実験データに対するモデルの予測に対する付着度を定量的に評価する。 モデルパラメータ空間に関するソーシャルメディアプラットフォームを合成的に記述する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Several studies pointed out that users seek the information they like the most, filter out dissenting information, and join groups of like-minded users around shared narratives. Feed algorithms may burst such a configuration toward polarization, thus influencing how information (and misinformation) spreads online. However, despite the extensive evidence and data about polarized opinion spaces and echo chambers, the interplay between human and algorithmic factors in shaping these phenomena remains unclear. In this work, we propose an opinion dynamic model mimicking human attitudes and algorithmic features. We quantitatively assess the adherence of the model's prediction to empirical data and compare the model performances with other state-of-the-art models. We finally provide a synthetic description of social media platforms regarding the model's parameters space that may be used to fine-tune feed algorithms to eventually smooth extreme polarization.
• Abstract（参考訳）: いくつかの研究は、ユーザーは最も好きな情報を検索し、不快な情報をフィルタリングし、同じ考えを持つユーザーのグループと共有の物語を結びつける。 フィードアルゴリズムはそのような構成を分極に向けて破裂させ、情報(および誤報)がオンラインにどのように拡散するかに影響を与える可能性がある。 しかし、偏極化された意見空間とエコーチャンバーに関する広範な証拠やデータにもかかわらず、これらの現象を形作るための人間とアルゴリズムの相互作用は、まだ不明である。 本研究では,人間の態度やアルゴリズム的特徴を模倣した意見動的モデルを提案する。 実験データに対するモデル予測の遵守度を定量的に評価し,他の最先端モデルとの比較を行った。 最終的に、モデルのパラメータ空間に関するソーシャルメディアプラットフォームの合成記述を提供し、フィードアルゴリズムを微調整して最終的に極極化を円滑に行うことができる。

関連論文リスト

• From Efficiency to Equity: Measuring Fairness in Preference Learning [3.2132738637761027]
  不平等とロウルシアン正義の経済理論に触発された嗜好学習モデルの公平性を評価する。 Gini Coefficient, Atkinson Index, Kuznets Ratio を用いて,これらのモデルの公平性を定量化するための指標を提案する。
  論文  参考訳（メタデータ） (2024-10-24T15:25:56Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Are Neural Topic Models Broken? [81.15470302729638]
  トピックモデルの自動評価と人的評価の関係について検討する。 ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
  論文  参考訳（メタデータ） (2022-10-28T14:38:50Z)
• Towards Explaining Demographic Bias through the Eyes of Face Recognition Models [6.889667606945215]
  データとアルゴリズムの両方に固有のバイアスは、機械学習(ML)ベースの意思決定システムの公平性を最適以下にする。 我々は、異なる人口集団を処理する際に、顔認識モデルの振る舞いの違いを分析する一連の説明可能性ツールを提供することを目標としている。 我々は、アクティベーションマップに基づく高次統計情報を活用して、FRモデルの行動差を特定の顔領域に関連付ける説明可能性ツールを構築する。
  論文  参考訳（メタデータ） (2022-08-29T07:23:06Z)
• D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling Algorithmic Bias [57.87117733071416]
  D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。 ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。 それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
  論文  参考訳（メタデータ） (2022-08-10T03:41:48Z)
• Cascade-based Echo Chamber Detection [16.35164446890934]
  ソーシャルメディアのエコーチャンバーは かなり精査されています 本稿では,ソーシャルメディアのフットプリントを説明する確率的生成モデルを提案する。 本研究では,姿勢検出や将来の伝搬予測などの補助的予測タスクにおいて,モデルが精度を向上させる方法を示す。
  論文  参考訳（メタデータ） (2022-08-09T09:30:38Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
  そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。 我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。 このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
  論文  参考訳（メタデータ） (2020-10-15T16:39:26Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)
• Learning Opinion Dynamics From Social Traces [25.161493874783584]
  本稿では,現実の社会的トレースに,生成的,エージェントライクな意見力学モデルを適用するための推論機構を提案する。 本稿では,古典的エージェントに基づく意見力学モデルから,その生成的モデルへの変換による提案について紹介する。 われわれのモデルをRedditの現実世界のデータに適用して、バックファイア効果の影響に関する長年にわたる疑問を探る。
  論文  参考訳（メタデータ） (2020-06-02T14:48:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。